發新話題

[分享] 企業如何以客戶為中心進行數據化運營?

企業如何以客戶為中心進行數據化運營?

當下互聯網的餘震未醒,「新零售」又提出。不管業內業外,政府公司,都在談轉型。但關鍵如何轉型,基點在哪?這都需要探索。
就在上月,步步高集團電商事業部產品技術總監王衛東在帆軟零售大會上發表了一場「頗具格局」的演講。從數字化創新驅動業務發展、「人貨場」的訪客無法瀏覽此圖片或連結,請先 註冊登入會員 、再談到實際的數據化管理案例。
一、數字化創新驅動業務變革
2017年是步步高數字化轉型的一年。步步高擁有百貨和超市兩大事業群,兩個事業群的客戶群體是不同的。步步高超市業務以快捷為主,百貨業務以客戶體驗為主。如何通過數字技術來提高客戶滿意度呢?總體是增強智慧體驗、優化線上渠道、客戶畫像精準行銷三個路徑來實現技術驅動業務創新。

客戶獲取與經營的閉環
運營的關鍵是兩條線:獲客和經營。我們的數字運營體系,圍繞著用戶的運營這個重心,以顧客為中心,融合數字技術形成客戶獲取與客戶經營閉環。抓好這兩條線,讓客戶群不斷壯大,提高客戶成長轉化率,以此來保證毛利的提高。

客流數據分析建模
我們應該有新的認知:到店即是會員,得顧客數據者得天下。怎麼得顧客數據?這就要建立一整套的全顧客全消費行為管理的客流分析系統。

身份識別
顧客到店,不同級別的會員消費不同,給企業帶來的效益也有較大差別。如何提前區分會員等級?首先,是對不同渠道、方式獲取的顧客機那裡統一的ID和ID映射圖譜方案,能夠在具體的場景中識別顧客。比如步步高用WIFI探針、手機號、微信號、支付寶ID、人臉識別等等。只要有了顧客ID,那麼客戶就成為了廣義的會員。

客流分析系統
客流分析系統的升級,戰略目標就是要獲取全顧客全消費行為數據。傳統的客流分析系統,主要是人工統計、紅外感應、視頻檢測,採集到的主要就是進店客流、POS等銷售數據,能做的工作優先,主要是就是強化管理,努力提高顧客轉化率。通過識別和數據採集技術以及數據分析技術,步步高得以豐富會員畫像做精準的會員成長關懷和管理,提高客單附加值,提高會員活躍度,甚至從周邊商圈吸引到潛在客流並最終轉化為忠誠會員。

二、數據分析綱要
數據分析的核心三要點
我們鋪設整體的信息化,是有明確的綱要的。這個綱要就像是做項目的章程,是我們的指導文件。數據分析的核心三要素是什麼,是數據一致、實用當先、以人為先。步步高通過成立專業的大數據學院,在企業內部培養訪客無法瀏覽此圖片或連結,請先 註冊登入會員 專業人才,精通業務,熟練掌握數據分析工具,然後由他們結合企業特點,向集團各單位推廣數據分析平台。

人貨場財指標梳理
傳統零售運營,分四個維度:人、貨、場、財。雖然大體維度相似,但具體到指標,還是各有不同。我們針對自身,做了專門的維度和指標的梳理。

人員,主要分為員工和顧客,前者是對內管理,後者是管理客戶運營。如何用這些數據,如果做對內管理,我們要規劃好目標,規劃好對內管理的定位。要想對內管理好用到位,必須基於每一個訪客無法瀏覽此圖片或連結,請先 註冊登入會員 單位設置各自的KPI考核。

貨。我們從採購環節、供應鏈環節、銷售環節、售後環節進行指標管理和控制,穿透整個經營環節。我們只把關鍵指標篩選出來,作為監控項和管理項。具體的監控和管理指標,可以看上圖。

場。我們在場這個維度上重點管理績效。包括銷售指標、競爭情況指標、促銷指標、渠道指標。每次促銷活動,不僅會監測會員和銷量指標,還會重點監測場指標,貨源是零售長期穩定經營的基石。

財。財務重點關注的一點就是毛利和回款。步步高的百貨,重點還關註銷售利潤率。
三、數據分析案例
我們的數據分析項目2017年還在重點就建設中。很多的數據分析的實踐剛有起色,並未得到長期的經營驗證。所以部分經驗和案例效果圖還不便公開,我們也本著開放的心態,歡迎更多同行能前來交流。這裡就部分內容做個分享。
巡店預警
我們的會員管理部分只關注門店會員數據,其他周邊數據業務部門並不想要。所以不需要定製太多的報表,也不需要提供太多的維度和指標數據現在一線業務人員,可以通過一張報表直接告訴他們那些商品有異常,哪些銷量有異常,哪些會員有異常。


對標比價
我們引入京東、天貓、一號店以及其他同行的一些外部數據,監測零售同行商品的價格走勢和當前活動。根據外部數據,步步高一整套數據分析報表會自動給門店經理手機提示異常,會直接告訴他哪些價格有異常,同行的當前價格和歷史價格多少,以及預測近期價格走勢,並給店長提供建議價格做參考。
除了銷售對標比價,另一個就是採購。如果發現採購價格高於隔壁同行,商超裡面採購經理會說別人家在做促銷活動,或者有其他原因。步步高在每個超市門店,都實現了對標比價的應用對接。

異常監測分析
目前我們已經建立了銷售、毛利、庫存、會員和積分的五大異常模塊。步步高採用的是建立分析模型,系統自動算一個標準差為基礎的UCL、LCL和CL。因為這個是固定一個標準差,所以分析模型是專業的。再對訂單數通過該模型分析,模型給出UCL=81,那麼顯然訂單數85屬於銷售異常。異常檢測分析,其實核心就是建立動態的異常指標。

到店客流監測
到店顧客,其實是需要我們重點經營轉化的。首先,如何回答這些客戶數量的變化。步步高升級了客流分析系統,得以通過停車場數據系統、WIFI探針數據、人臉識別等技術自動識別客流變化,然後,定製出客流量檢測看板。步步高主要關注近一小時累計客流量、近一小時新增客流量、今日累計客流量、今日平均停留時間這四個主要指標。當然,還針對歷史數據做對比分析,會對比昨日數據,看指標變化數值和變化幅度。

那麼客流總數異常,從哪些維度查找原因呢?或者客流總數正常,客流質量是否也正常呢?步步高重點關注兩個對比類指標。一個是新老客戶佔比,一個是今日客戶到店分布對比。


到店客戶,他們來了,我們想知道他們都停留在哪裡,去了哪裡,好做針對性的店面布局和行銷管理。步步高採用電子圍欄技術、WIFI探針、人臉識別等技術,實時採集人流分布數據和運動軌跡。其實說白了就是為了百貨經營時增加客戶的整體駐留時間,提高消費的可能性
通過對客流的監測和分析,步步高將一些經營決策所需要的數據和信息下放到基層管理崗,讓熟悉業務個店長樓層長來提出決策建議,供高層選擇,用數據來支撐決策,用可視化分析提高決策效率和科學性。
文 | 帆軟數據應用研究院 船長

[ 本帖最後由 fanfunfine 於 2017-6-26 16:05 編輯 ]

TOP

發新話題

本站所有圖文均屬網友發表,僅代表作者的觀點與本站無關,如有侵權請通知版主會盡快刪除。